Estudio: Investigadores utilizan inteligencia artificial para revelar nuevos datos sobre el autismo

Investigadores del Boston College en Estados Unidos han usado el ‘machine learning’ (aprendizaje automático), un sistema con inteligencia artificial o IA, para un estudio detallado de imágenes cerebrales de personas con trastorno del espectro autista (TEA) y han revelado nuevos datos sobre el autismo.

Los científicos explicaron en la investigación publicada en la revista Science que las diferencias de comportamiento entre las personas con este trastorno están relacionadas con las variaciones en la estructura del cerebro.

El equipo utilizó esta técnica de IA para estudiar los datos de las imágenes de resonancia magnética de más de 1.000 participantes con TEA y comparó esas imágenes con las que ofrecían las simulaciones computacionales sobre el aspecto que tendrían los cerebros si no tuvieran este trastorno.

Consultada por SINC y citada en El Espectador, Aidas Aglinskas, neurocientífio de la institución estadounidense y coautor del estudio, explicó: “Las variaciones estudiadas son diferencias en la neuroanatomía que indican un desarrollo alterado en determinadas regiones del cerebro”.

Resultados del estudio

Aglinskas añadió: “En este estudio hemos investigado los cambios volumétricos asociados al trastorno del espectro autista, identificando las áreas cerebrales que están expandidas o comprimidas en comparación con lo que se esperaría si esa persona no lo tuviera”.

Los especialistas observaron que los cerebros de los pacientes con autismo difieren entre sí en muchas regiones cerebrales, incluidas las asociadas a los síntomas conocidos del TEA, como las implicadas en la cognición social, el lenguaje y las cortezas motoras.

También argumentan que el hecho de que distintas personas con TEA puedan tener afectadas diferentes regiones podría ayudar a explicar las grandes diferencias individuales en los síntomas de cada paciente.

“Confirmar estas propuestas ha sido difícil porque identificar las alteraciones neuronales específicas del TEA es una tarea complicada”, afirma la autora principal del estudio.

El equipo superó esa barrera empleando el machine learning para identificar patrones de variabilidad neuronal que son específicos del TEA, lo que permitió identificar las vías neuronales específicamente afectadas de los más de 1.100 voluntarios.

De cara al futuro, los autores indican la necesidad de comprender con más detalle cómo estas diferencias neuroanatómicas afectan al comportamiento. Los científicos destacan que planean utilizar las herramientas de IA para buscar, más allá de la estructura del cerebro, formas de entender mejor los diagnósticos de TEA y el comportamiento de los individuos afectados.